基于Seeded-Kmeans和SVM的分类算法

摘要：

支持向量机(support vector machines,SVM)在人像识别、文本分类等模式识别问题中有广泛的应用,可以有效地解决一些实际生活中的分类问题.针对半监督两分类问题,提出了基于Seeded-Kmeans和SVM的分类算法(SK-SVM).用Seeded-Kmeans算法对无标签点进行处理,使其获得初始标签,再选取有效的标签点加入已有带标签点中,构成新的带标签训练集,最后结合SVM进行分类.选取UCI中的8个数据集进行数值实验,基于Seeded-Kmeans和SVM的分类算法的有效性得到了验证.

关键词：k-means算法、seeded-kmeans、支持向量机(SVM)、半监督支持向量机(S3VM)

所属期刊栏目：37

分类号：TP181;TP301.6(自动化基础理论)

在线出版日期：2023-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：40-43